ScrollToTop

Was Sie schon immer über Predictive Maintenance wissen wollten

Veröffentlicht am 19. Juni 2017 in den Kategorien Maschinendaten, Trends
Predicitive Maintenance von symmedia

Predictive Maintenance ist das Schlagwort, wenn es heißt, Industrie 4.0 im Maschinen- und Anlagenbau in die Tat umzusetzen. Aber was bedeutet eigentlich „Predictive Maintenance“ genau?

Was bedeutet Predictive Maintenance?

Predictive Maintenance oder auch vorausschauende Wartung ist definiert als Ableitung von Wartungsinformationen auf Basis von Live-Maschinen- und Produktionsdaten, um Maschinen und Anlagen proaktiv zu warten, bevor es zu Stillständen oder Qualitätsverlusten kommt. Insbesondere erscheinen vorbeugende Wartungskonzepte im Bereich von Produktionsmaschinen attraktiv, da Stillstände hier extrem teuer sein können.

Wer es schafft drohende Maschinenausfälle vorherzusagen und entsprechend vorzubeugen, spart sich erhebliche Ausfallkosten.

Also schnell alle Maschinen anbinden, die Daten erheben und darauf einen Algorithmus schalten, der anzeigt, wann eine Maschine oder Anlage voraussichtlich gewartet werden muss? Dadurch Stillstände vermeiden, die Produktion optimal planen und somit die Produktivität der gesamten Fabrik maximieren… Das ist eine Wunschvorstellung, die gar nicht so einfach umzusetzen ist.

In der Realität zeigt sich: Viele andere Faktoren spielen in der Umsetzung einer vorbeugenden Wartung eine Rolle. So zum Beispiel die Produktionsumgebung: Steht eine Maschine etwa in Asien bei subtropischen Klimabedingungen, so wird die Wartung zu einem anderen Zeitpunkt erforderlich sein, als bei einer Maschine hier in Deutschland – und das, obwohl beide Maschinen der gleichen Serie angehören und sie vielleicht sogar die gleichen Güter produzieren. Für jede Produktionssituation wird also ein eigener Algorithmus benötigt und es gibt nicht den einen Algorithmus, der sich auf die ganze Breite an Maschinenserien und Anlagen über Branchengrenzen hinweg anwenden lässt.

Predictive Maintenance im Vergleich zu anderen Wartungsansätzen

Möglich wird vorausschauende Wartung durch die zunehmende Digitalisierung in den Unternehmen sowie eine kontinuierliche Verbesserung der Sensortechnik. Dieser Prozess ist keineswegs abgeschlossen, doch gibt es mehr und mehr Möglichkeiten festzustellen, welche Trigger ein bestimmtes Ereignis auslösen. Wenn dies nicht der Fall ist oder nicht eingesetzt wird, bleiben zwei weitere Wartungstypen:

Reactive Maintenance

Warnmeldung reactive maintenance

Dies ist die aus Unternehmenssicht am einfachsten umzusetzende Wartung, die jedoch das größte Risiko in sich birgt: die abwartende Wartung. Hierbei wird nach Auftreten einer Störung eine Fehleranalyse durchgeführt und schlussendlich abgearbeitet. Dies hat je nach Störung erhebliche Ausfallzeiten zur Folge, weil das Problem unter Umständen nicht sofort erkannt wird oder Ersatzteile langwierig bestellt werden müssen.

Preventive Maintenance

Imagebild preventive maintenance

Um solche Ausfallzeiten zu vermeiden wurde mehr und mehr dazu übergegangen Maschinen vorsorglich anhand festgelegter Intervalle zu warten und Teile auszutauschen. Wenn man dieses Verfahren optimieren möchte, bedarf es entsprechenden Erfahrungswerten, damit eine Wartung nicht zu spät, aber auch nicht viel zu früh durchgeführt wird. Eine zu früh durchgeführte Wartung ist zwar nicht so schädlich wie ein Ausfall, jedoch kann von einer Ressourcenmaximierung in diesem Fall auch keine Rede sein.

Welche Herausforderungen bringt Predictive Maintenance mit sich?

Predictive Maintenance ist also nicht nur eine wünschenswerte, sondern auch lohnende Form der Wartung im Maschinen- und Anlagenbereich. Damit diese greifen kann, gilt es jedoch ein paar Herausforderungen zu meistern.

Herausforderung 1: Vernetzung

Infografik zur Vernetzung von Maschinen

Eine präzise Vorhersage von Wartungsfälligkeiten ist nur dann möglich, wenn der Maschinenhersteller regelmäßig Daten von der installierten Basis bekommen und diese, durch Logiken, Algorithmen etc., zu Informationen verarbeiten kann. Voraussetzung Nr. 1 hierfür ist eine flächendeckende Vernetzung der Maschinen und Anlagen.

Unsere Erfahrung hat gezeigt, dass es sich für Maschinenhersteller schnell rechnet, einfach jede Maschine schon „Ready-to-connect“ auszuliefern. So werden beim produzierenden Unternehmen die ersten Hürden, wie etwa die einer Nachrüstung oder Installation mit entsprechendem Aufwand bereits von Anfang an genommen.

Herausforderung 2: Datentransparenz

Bei Predictive Maintenance-Ansätzen geht es immer um Daten. Diese sind bei Produktionsmaschinen, zumindest teilweise, sehr sensibel.

Welche Datentypen spielen bei Predictive Maintenance eine Rolle?

Maschinenzustandsdaten

Da es um die Wartung von Maschinen geht, sind natürlich Daten über den Zustand der Maschine unablässig. Hierbei können verschiedenste Aspekte, wie Laufleistung, produzierte Stückzahlen, aber auch Informationen zu Temperatur oder Öl-Druck erfasst werden. Die genannten Punkte sind exemplarisch zu sehen, da die Daten je nach Maschinentyp und Nutzung variieren.

Peripherie-Daten

Nicht nur die Maschine als solches kann Einfluss auf die Wartungszyklen haben, sondern auch die Umgebung einer Maschine. Unterschiedliche Umgebungsmerkmale, wie Temperatur, Luftfeuchtigkeit, Luftdruck et cetera wirken sich also unmittelbar auf den Wartungszyklus aus.

Prozessdaten

Bei den Prozessdaten geht es um alle Daten rund um den Produktionsprozess. Dies können Maschineneinstellungen, aber auch Daten zur Rezeptur eines Produkts oder zu einem speziellen Produktionsverfahren sein. Bei der Betrachtung von Zeiträumen lassen sich somit Trends ablesen und bieten die Möglichkeit bei Bedarf frühzeitig gegenzusteuern.

Alle oder einige der Daten sind, wie gesagt, oft hochsensibel und produzierende Unternehmen geben vor allem Prozessdaten nur ungerne heraus – zumindest dann, wenn nicht transparent dargestellt wird, welche Daten für welchen Zweck verwendet werden.

Hier geht es zunächst darum, als Serviceleistender zu definieren, welche Daten genau benötigt werden, welche Faktoren also anzeigen, wenn ein Wartungsbedarf kurz bevorsteht. Anschließend gilt es, dem produzierenden Unternehmen plausibel und transparent Einblick in die Prozesse zu gewähren, die aus den Daten eine vorbeugende Wartungsmeldung generieren.

Sinnvoll ist es sicherlich auch, die Betreiber in den Prozess der Datenerhebung eines Predictive Maintenance-Ansatzes mit einzubeziehen – denn nichts ist schlimmer, als eine vorausschauende Wartung, die fälschlicherweise zu früh oder, noch schlimmer, zu spät angezeigt wird.

Beim Predictive Maintenance-Ansatz von symmedia profitieren beide Seiten. Durch den lokalen Wartungsmanager wird dem Betreiber dabei geholfen bestimmte Wartungen selbst durchzuführen und Wartungsinformationen zu verwalten. Im Gegenzug erhält der Hersteller diese Wartungsinformationen ebenfalls und kann diese auswerten.

Bei der Implementierung lassen sich Kinderkrankheiten in einer ersten Phase in der Regel nicht vermeiden. Das Verständnis vom Betreiber wird durch ein hohes Maß an Transparenz und die entsprechenden Nutzenaussichten jedoch sicher zunehmen.

Herausforderung 3: bestehende Daten effektiv nutzen

Einige Daten sind relativ einfach zu beschaffen und existieren bei Maschinenherstellern vielleicht sogar schon. Als Beispiel wollen wir etwa die Servicedaten in Form von Servicehistorien oder das Servicearchiv aus digitalen Servicereports nennen. Hieraus lassen sich in vielen Fällen und mit bestimmten logischen Prozessen bereits erste Wartungs-Verhaltensweisen der Maschinen und Anlagen erkennen. Nicht immer sind die Daten leicht zu interpretieren, weshalb ein enger Austausch mit den Entwicklungsingenieuren der Hersteller sehr wichtig ist.

Aus den vorhandenen Daten lassen sich Rückschlüsse darauf ziehen, welche Kriterien in der Vergangenheit zu welchen Ausfällen führten. Je größer diese Datenbasis ist, desto höher ist die Wahrscheinlichkeit, dass man diese Rückschlüsse generalisieren kann, um so einen allgemeineren Predictive Maintenance Ansatz abzuleiten.

Welche Vorteile ergeben sich aus dem Predictive Maintenance-Ansatz?

Wir haben bisher bereits einige Punkte genannt. Da diese Frage jedoch von zentraler Bedeutung ist, möchten wir mögliche Vorteile hier noch einmal auflisten:

  1. bessere Planung von Wartungs- und Serviceintervallen

  2. weniger Außendienst-Einsätze von Servicemitarbeitern

  3. weniger ungeplante Maschinenausfälle

  4. optimiertes Ersatzteilmanagement

  5. höhere Maschinenleistung

  6. bessere Maschinenkenntnis durch Auswertung der gesammelten Daten

Wie Sie sehen, gibt es also verschiedene Anforderungen und somit auch nicht einen universellen Algorithmus. Dieser ist so individuell wie Ihr Unternehmen. Wir unterstützen Sie gerne dabei die Herausforderungen einer vorbeugenden Wartung zu meistern. Wie genau sieht der Predictive Maintenance Ansatz von symmedia nun aber aus? Schauen wir es uns an.

Wie sieht Predictive Maintenance bei symmedia aus?

Predicitive Maintenance bei symmedia

Zentrale Wartungsdatenbank

Die Grundlage für Predictive Maintenance Ansätze wird bei symmedia SP/1 durch entsprechende Daten gebildet. Seitens der Maschinenhersteller gemachte Angaben werden in einer zentralen Datenbank gespeichert und an die Betreiber ausgeliefert. Somit hat der Betreiber in seinem Customer Cockpit jederzeit direkten Zugriff auf aktuelle Informationen und kann diese auch an den Hersteller zurück übermitteln. So lassen sich entsprechende Wartungspläne und Bedingungen seitens der Hersteller erstellen, die weltweit abgerufen werden können. Sei es die Definition von Triggern als direkter Auslöser eines Wartungsevents, Informationen zur Wartungsdurchführung inkl. benötigter Werkzeuge oder Benachrichtigungen bei anstehenden Herstellerwartungen.

Lokaler Wartungsmanager

Vor Ort plant der Maschinenbetreiber anhand der bestehenden Informationen seine Wartungsaufgaben für die betreffenden Maschinen. symmedia SP/1 Maintenance unterstützt ihn dabei, mit einem einfachen Ampelsystem, das auf übersichtliche Weise den Wartungsstatus zu den einzelnen Maschinen anzeigt. Nach Abschluss der Wartung wird das Ampelsystem automatisch wieder auf grün gesetzt, damit klar ist, dass derzeit keine Wartung für die Maschine ansteht.

Selbstverständlich kann der Betreiber neue Daten einspeisen oder bestehende Informationen abändern. Anhand von Daten aus Remote Service und Monitoring kann der Betreiber Trigger-Angaben anpassen und so die Wartungszyklen optimieren. Hier finden Sie weitere Informationen zum Monitoring.

Ersatzteilbedarf abdecken

Predictive Maintenance bei symmedia

Eine Maschinenwartung ist nicht immer ohne die passenden Ersatzteile möglich. Damit auch hier keine Verzögerungen entstehen und die Ausfallzeiten der Maschinen minimiert werden, schlägt der integrierte Parts Agent Ersatzteilbeschaffungen bedarfsorientiert vor und ermöglicht automatische Bestellprozesse. Alle benötigten Teile werden genau zum geplanten Wartungszeitpunkt durch den Hersteller bereitgestellt.

Fazit und Zusammenfassung

Es zeigt sich, dass Predictive Maintenance für Maschinenhersteller und -betreiber erhebliche Vorteile bietet, da Wartungszyklen optimiert und Ausfallzeiten minimiert werden. Die hierdurch eingesparten Kosten führen zu einer schnellen Amortisierung des Einrichtungsaufwands. Die Sensibilität der ausgewerteten Daten wird durch einen entsprechend verantwortungsvollen und transparenten Datenschutz gewahrt. Die verschiedenen Abteilungen der der Maschinenbetreiber werden hierbei unmittelbar in alle Prozesse involviert, um eine effektive Datennutzung zu ermöglichen.

Für symmedia ist Predictive Maintenance ein wichtiger Baustein im Bereich Industrie 4.0. Mehr Informationen finden Sie auf der Website. Vereinbaren Sie außerdem gerne einen unverbindlichen Termin mit uns!

Diesen Artikel teilen

Alle News sofort per E-Mail erhalten

Newsletter Anmeldung

Newsletter Anmeldung

Wir rufen Sie gerne zurück!

Rückruf

Ansprechpartner

Vinzenz van Ketwich

Vinzenz van Ketwich
Business Consultant

Schließt das Actionmenü

Hinterlassen Sie eine Nachricht!

Actionmenü Mail
Schließt das Actionmenü

Termin für eine individuelle Online Präsentation!

Webinar
Schließt das Actionmenü

Termin für eine Präsentation

Live
Schließt das Actionmenü

Erfahren Sie mehr über unsere Produkte:

Schließt das Actionmenü